WO2020025281A1 - Method and automated guided vehicle for the computer-assisted determination of the quality of a map - Google Patents

Method and automated guided vehicle for the computer-assisted determination of the quality of a map Download PDF

Info

Publication number
WO2020025281A1
WO2020025281A1 PCT/EP2019/068604 EP2019068604W WO2020025281A1 WO 2020025281 A1 WO2020025281 A1 WO 2020025281A1 EP 2019068604 W EP2019068604 W EP 2019068604W WO 2020025281 A1 WO2020025281 A1 WO 2020025281A1
Authority
WO
WIPO (PCT)
Prior art keywords
map
sensor measurements
computing unit
real sensor
quality
Prior art date
Application number
PCT/EP2019/068604
Other languages
German (de)
French (fr)
Inventor
Daniel MEYER-DELIUS DI VASTO
Thomas WÖSCH
Original Assignee
Siemens Aktiengesellschaft
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens Aktiengesellschaft filed Critical Siemens Aktiengesellschaft
Publication of WO2020025281A1 publication Critical patent/WO2020025281A1/en

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser

Definitions

  • Driverless transport vehicles often have sensors such as cameras or laser scanners that allow the driverless transport vehicle to navigate autonomously through an environment.
  • the driverless transport vehicle uses a map of the surroundings for navigation, in which the driverless
  • the map is created from measurements of the sensors of the driverless transport vehicle, which are recorded during a manually controlled data acquisition trip through the surroundings.
  • mapping algorithm The actual map creation often only takes place after the data acquisition trip in an offline step, in which the measurements of the sensors are processed by a mapping algorithm.
  • mapping algorithms are available for map generation, which not only process the measurements of the sensors, but also have a number of parameters for which values must be defined before the mapping algorithm is executed.
  • parameterization is therefore a set of values.
  • the parameterization has a great impact on the quality of the map created.
  • the present invention is intended to provide an alternative to the prior art.
  • This object is achieved according to the invention in that a driverless transport vehicle travels through an environment for the computer-aided determination of a card's quality and records several real sensor measurements.
  • a computing unit uses the mapping algorithm to calculate a map of the surroundings from the real sensor measurements.
  • the computing unit simulates virtual sensor measurements corresponding to the real sensor measurements. For each virtual sensor measurement, the computing unit calculates a similarity value, which quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement. Finally, the computing unit calculates a quality value from all the similarity values, which quantifies a quality of the map.
  • the driverless transport vehicle is equipped with at least one sensor and is set up to traverse an environment and record several real sensor measurements. It also includes an arithmetic unit that is programmed to calculate a map of the environment from the real sensor measurements using a mapping algorithm, to simulate virtual sensor measurements corresponding to the real sensor measurements using the map, to calculate a similarity value for each virtual sensor measurement, wel cher quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement, and for calculating a quality value from all similarity values, which quantifies a quality of the map.
  • the driverless transport vehicle has sensors and uses its real sensor measurements for the automated generation of a map of the area, as well as a simulation for the automated evaluation of this map.
  • the method uses both the real sensor measurements and simulated virtual sensor measurements to quantify the quality of the calculated map.
  • the quality value enables the parameterization of the mapping algorithm to be automated and different mapping algorithms to be explored, as is described in more detail in the further training.
  • the virtual sensor measurements are simulated on the basis of the map for the pose of the driverless transport vehicle on the map, on which the corresponding real sensor measurement was recorded, and allow conclusions to be drawn about the quality of the map.
  • the calculation of the similarity value is based on the knowledge that a good map shows the real sensor measurements better than a bad map.
  • the virtual sensor measurements, which are simulated on the basis of a good map must be more similar to the corresponding real sensor measurements than virtual sensor measurements, which are simulated on the basis of a bad map. If, for example, the map is curved, twisted or disproportionate to reality, or inconsistent in individual areas or overall, the simulated virtual sensor measurements do not always match the corresponding real sensor measurements.
  • the quality value creates a quantitative measure that allows the quality of the card to be calculated and evaluated in a fully automated mechanical process. This enables the driverless transport vehicle to automatically generate different maps and select the best one.
  • the computing unit calculates a map of the environment from the real sensor measurements using a plurality of mapping algorithms, and a quality value for each of the maps.
  • the computing unit executes the mapping algorithm with different parameterizations and calculates a map of the environment from the real sensor measurements. Furthermore, the computing unit calculates a quality value for each of the cards.
  • the computing unit executes a plurality of mapping algorithms, each with different parameterizations, and calculates a map of the environment from the real sensor measurements.
  • the computing unit also calculates a quality value for each of the cards.
  • the working time for the manual search for the best mapping algorithm is saved; among other things, it is for people no longer need to wait for the result of executing each mapping algorithm and evaluate it manually.
  • the process is also accelerated if the calculations are carried out by high-performance hardware, such as a cloud infrastructure.
  • the computing unit explores and / or optimizes the parameterization of the mapping algorithm while observing the quality value for the same real sensor measurements by means of an optimization method.
  • the computing unit selects the card with the highest quality value for an operation of the driverless transport vehicle.
  • a computer program is stored on the computer-readable data carrier and executes the method when it is processed in a processor.
  • the computer program is processed in a processor and executes the method.
  • FIG. 1 shows a flowchart for the computer-aided determination and optimization of a quality of a map K of a driverless transport vehicle
  • FIG. 2 shows a driverless transport vehicle AGV when traveling through an environment U in which real sensor measurements are recorded.
  • FIG. 3 shows a virtual sensor measurement VSM, which is calculated on the basis of a card K
  • Fig. 4 is an overlapping representation of the virtual sensor measurement VSM with the environment U.
  • FIG. 1 shows a flowchart for computer-aided determination and optimization of a quality of a card.
  • a driverless transport vehicle first traverses an environment, as will be explained below in relation to FIG. 2, and records several real sensor measurements RSM_1 ... RSM_N. From these, a computing unit uses a mapping algorithm KA to calculate a map K of the environment. Using the map K, the computing unit simulates corresponding virtual sensor measurements VSM_1 ... VSM_N for the real sensor measurements RSM_1 ... RSM_N. For each virtual sensor measurement VSM_1 ... VSM_N, the computing unit calculates a similarity value AW_1 ... AW_N, which quantifies a similarity between the virtual sensor measurement VSM_1 ... VSM_N and the corresponding real sensor measurement RSM_1 ... RSM_N. Finally, the computing unit calculates a quality value QW from all the similarity values AW_1 ... AW_N, which quantifies a quality of the map K.
  • the mapping algorithm KA can be computer-aided and automatically selected from a list of mapping algorithms. In this way, the quality value QW can also be calculated for different mapping algorithms, which enables the most suitable mapping algorithm to be determined.
  • a parameterization is generated, that is, a set of values for the parameters of the mapping algorithm KA.
  • a quality value can also be calculated for different parameterizations, whereby the most suitable parameterization can be determined.
  • the best mapping algorithm KA and the best parameterization can be determined as part of an optimization process OV, since these have the highest quality value QW achieve.
  • the optimization process can be iterated until a predetermined termination criterion is reached. Then the card that has the highest quality value is chosen. All of these steps can be computer-based and run fully automatically.
  • mapping algorithms are tried out that are suitable for the present real sensor measurements RSM_1 ... RSM_N, for example laser scans or camera images.
  • the termination criterion can consist, for example, in that no further parameterizations can be generated for the selected mapping algorithm, that a predetermined period of time has been exhausted, that a predetermined number of calculations have been carried out, or that a predetermined threshold value for the quality value QW has been reached.
  • the parameter space can, for example, be discretized and systematically explored. Alternatively, a probabilistic sample-based approach can be followed.
  • the similarity values AW_1 ... AW_N are used to calculate a numerical value, which quantifies a similarity between a virtual sensor measurement VSM_1 ... VSM_N and a corresponding real sensor measurement RSM_1 ... RSM_N. If the pair of virtual and real sensor measurements is very similar, the similarity value AW_1 ... AW_N is greater.
  • the quality value QW can be calculated, for example, from the sum of the similarity values AW_1 ... AW_N.
  • the computing unit simulates a corresponding virtual sensor measurement VSM_1 ... VSM_N for each real sensor measurement RSM_1 ... RSM_N.
  • VSM_1 virtual sensor measurement
  • VSM_N virtual sensor measurement
  • RSM_1 real sensor measurement
  • RSM_N real sensor measurement
  • the pose of the driverless transport vehicle in map K is automatically determined for each real sensor measurement RSM_1 ... RSM_N.
  • the pose can thus be used directly to simulate the corresponding virtual sensor measurement VSM_1 ... VSM_N alone using the information contained in the card K.
  • the optimization process OV runs here on a level that is superior to the individual mapping algorithms or their parameterizations, since the quality value QW is used to evaluate the map K, that is, the end result of the mapping algorithm KA.
  • the optimization method OV selects different mapping algorithms or different parameterizations for creating the map K for one and the same real sensor measurements RSM_1 ... RSM_N and explores which quality values are achieved in each case. For example, the optimization method OV can observe whether incremental changes in the parameterization improve or worsen the quality value QW of the map K generated until a local optimum is reached. Furthermore, the optimization method OV can also make major random adjustments to the parameterization in order to test whether a better local optimum can still be found.
  • FIG. 2 shows a driverless transport vehicle FTF during a data acquisition trip through an environment U, in which real sensor measurements RSM are recorded.
  • a 2D or 3D laser scanner is used, for example.
  • FIG. 3 shows a virtual sensor measurement VSM, which is calculated from a map K.
  • the map K does not correctly depict the environment U from FIG. 2.
  • the virtual broadcast The VSM measurement, which is simulated using the map K, therefore deviates from the real sensor measurement RSM from FIG.
  • FIG. 4 shows an overlapping representation of the virtual sensor measurement VSM from FIG. 3 with the environment U from FIG. 2. Parts of the virtual sensor measurement VSM correspond only inadequately with the environment U.
  • the similarity value which applies to the virtual sensor measurement VSM from FIG. 3 and the corresponding one real sensor measurement RSM calculated from Figure 2, is correspondingly small.
  • the algorithms and computing steps described can be carried out, for example, in computing units of the driverless transport vehicle, on servers, in programmable local controls or in a cloud.
  • the specific design of the algorithms and calculations depends on the sensor technology of the driverless transport vehicle.
  • the sensors can scan the surroundings, for example two-dimensionally or three-dimensionally, with camera images, ultrashall and / or a laser distance measurement.
  • Numerous algorithms for the different sensor technologies are known from the prior art, with which the individual calculation steps can be carried out.

Abstract

After an automated guided vehicle has traveled through an environment and, at the same time, recorded real sensor measurements (RSM_1... RSM_N), a map (K) of the environment is calculated from said real sensor measurements by means of a mapping algorithm (KA). Using the map, virtual sensor measurements (VSM_1... VSM_N) corresponding to the real sensor measurements are simulated. A quality value (QW) can then be calculated for the map in an automated manner from the similarity between the virtual sensor measurements and the corresponding real sensor measurements. With the quality value, a quantitative measure is created which allows the quality of the map to be calculated and evaluated in a fully automated machine method. The automated guided vehicle is thereby enabled to generate different maps and to select the best map in an automated manner. The method thus enables fully automated exploration of different mapping algorithms and parameterizations. Furthermore, expert knowledge is not required, because the method proceeds without supervision. The working time for manually searching for the best mapping algorithm is spared; inter alia, it is no longer necessary for a person to wait for the result of the performance of each individual mapping algorithm and to manually evaluate said result.

Description

Beschreibung description
Verfahren und fahrerloses Transportfahrzeug zur rechnerge stützten Bestimmung einer Qualität einer Karte Method and driverless transport vehicle for computer-aided determination of a quality of a card
Fahrerlose Transportfahrzeuge verfügen häufig über Sensoren wie Kameras oder Laserscanner, welche dem fahrerlosen Trans portfahrzeug erlauben, autonom durch eine Umgebung zu navi gieren. Zur Navigation nutzt das fahrerlose Transportfahrzeug eine Karte der Umgebung, in welcher sich das fahrerlose Driverless transport vehicles often have sensors such as cameras or laser scanners that allow the driverless transport vehicle to navigate autonomously through an environment. The driverless transport vehicle uses a map of the surroundings for navigation, in which the driverless
Transportfahrzeug selbst lokalisieren sowie seinen weiteren Fahrweg planen kann. Die Karte wird hierbei aus Messungen der Sensoren des fahrerlosen Transportfahrzeugs erstellt, welche während einer manuell gesteuerten Datenaufnahmefahrt durch die Umgebung aufgezeichnet werden. Localize the transport vehicle yourself and plan its further route. The map is created from measurements of the sensors of the driverless transport vehicle, which are recorded during a manually controlled data acquisition trip through the surroundings.
Die eigentliche Kartenerstellung erfolgt häufig erst im An schluss an die Datenaufnahmefahrt in einem Offline-Schritt, indem die Messungen der Sensoren durch einen Kartierungsalgo rithmus verarbeitet werden. Zur Kartenerstellung ist eine Vielzahl von Kartierungsalgorithmen verfügbar, welche nicht nur die Messungen der Sensoren verarbeiten, sondern auch eine Anzahl von Parametern aufweisen, für die vor der Ausführung des Kartierungsalgorithmus Werte festgelegt werden müssen.The actual map creation often only takes place after the data acquisition trip in an offline step, in which the measurements of the sensors are processed by a mapping algorithm. A large number of mapping algorithms are available for map generation, which not only process the measurements of the sensors, but also have a number of parameters for which values must be defined before the mapping algorithm is executed.
Die Festlegung dieser Werte wird auch als Parametrieren be zeichnet; eine Parametrierung ist also eine Menge von Werten. Die Parametrierung hat große Auswirkung auf die Qualität der erzeugten Karte. The definition of these values is also referred to as parameterization; parameterization is therefore a set of values. The parameterization has a great impact on the quality of the map created.
Bekannt ist, zur Erzeugung einer qualitativ hochwertigen Kar te unterschiedliche Kartierungsalgorithmen sowie jeden Kar tierungsalgorithmus mit unterschiedlichen Parametrierungen auszuführen. Anschließend werden die resultierenden Karten vom Menschen visuell geprüft. Für den Betrieb des fahrerlosen Transportfahrzeugs wird diejenige Karte gewählt, welche im Rahmen dieser visuellen Inspektion am besten geeignet er scheint . Die Position und Orientierung, beispielsweise eines fahrerlo sen Transportfahrzeugs oder eines Sensors, wird im Folgenden auch unter dem Begriff "Pose" zusammengefasst. It is known to carry out different mapping algorithms and each mapping algorithm with different parameterizations to generate a high-quality map. The resulting maps are then visually checked by humans. For the operation of the driverless transport vehicle, the card that is most suitable for this visual inspection is selected. The position and orientation, for example of a driverless transport vehicle or a sensor, is also summarized below under the term "pose".
Durch die vorliegende Erfindung soll eine Alternative zum Stand der Technik geschaffen werden. The present invention is intended to provide an alternative to the prior art.
Diese Aufgabe wird erfindungsgemäß dadurch gelöst, dass zur rechnergestützten Bestimmung einer Qualität einer Karte ein fahrerloses Transportfahrzeug eine Umgebung durchfährt und dabei mehrere reale Sensormessungen aufzeichnet. Eine Re cheneinheit berechnet aus den realen Sensormessungen mittels eines Kartierungsalgorithmus eine Karte der Umgebung. This object is achieved according to the invention in that a driverless transport vehicle travels through an environment for the computer-aided determination of a card's quality and records several real sensor measurements. A computing unit uses the mapping algorithm to calculate a map of the surroundings from the real sensor measurements.
Die Recheneinheit simuliert anhand der Karte zu den realen Sensormessungen korrespondierende virtuelle Sensormessungen. Für jede virtuelle Sensormessung berechnet die Recheneinheit einen Ähnlichkeitswert, welcher eine Ähnlichkeit zwischen der virtuellen Sensormessung und der korrespondierenden realen Sensormessung quantifiziert. Abschließend berechnet die Re cheneinheit aus sämtlichen Ähnlichkeitswerten einen Quali tätswert, welcher eine Qualität der Karte quantifiziert.  Using the map, the computing unit simulates virtual sensor measurements corresponding to the real sensor measurements. For each virtual sensor measurement, the computing unit calculates a similarity value, which quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement. Finally, the computing unit calculates a quality value from all the similarity values, which quantifies a quality of the map.
Das fahrerlose Transportfahrzeug ist mit mindestens einem Sensor ausgerüstet und eingerichtet zur Durchquerung einer Umgebung und Aufzeichnung mehrerer realer Sensormessungen. Es umfasst ferner eine Recheneinheit, welche programmiert ist zur Berechnung einer Karte der Umgebung aus den realen Sen sormessungen mittels eines Kartierungsalgorithmus, zur Simu lation zu den realen Sensormessungen korrespondierender vir tueller Sensormessungen anhand der Karte, zur Berechnung ei nes Ähnlichkeitswerts für jede virtuelle Sensormessung, wel cher eine Ähnlichkeit zwischen der virtuellen Sensormessung und der korrespondierenden realen Sensormessung quantifi ziert, und zur Berechnung eines Qualitätswerts aus sämtlichen Ähnlichkeitswerten, welcher eine Qualität der Karte quantifi ziert . Die im Folgenden genannten Vorteile müssen nicht notwendiger weise durch die Gegenstände der unabhängigen Patentansprüche erzielt werden. Vielmehr kann es sich hierbei auch um Vortei le handeln, welche lediglich durch einzelne Ausführungsfor men, Varianten oder Weiterbildungen erzielt werden. Gleiches gilt für die nachfolgenden Erläuterungen. The driverless transport vehicle is equipped with at least one sensor and is set up to traverse an environment and record several real sensor measurements. It also includes an arithmetic unit that is programmed to calculate a map of the environment from the real sensor measurements using a mapping algorithm, to simulate virtual sensor measurements corresponding to the real sensor measurements using the map, to calculate a similarity value for each virtual sensor measurement, wel cher quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement, and for calculating a quality value from all similarity values, which quantifies a quality of the map. The advantages mentioned below need not necessarily be achieved by the subject matter of the independent claims. Rather, these can also be advantages which can only be achieved by individual embodiments, variants or further developments. The same applies to the following explanations.
Das fahrerlose Transportfahrzeug verfügt über Sensoren und nutzt seine realen Sensormessungen zur automatisierten Gene rierung einer Karte der Umgebung, sowie eine Simulation zur automatisierten Evaluierung dieser Karte. The driverless transport vehicle has sensors and uses its real sensor measurements for the automated generation of a map of the area, as well as a simulation for the automated evaluation of this map.
Das Verfahren nutzt sowohl die realen Sensormessungen als auch simulierte virtuelle Sensormessungen zur Quantifizierung der Qualität der berechneten Karte. Der Qualitätswert erlaubt es als numerisches Maß, die Parametrierung des Kartierungsal gorithmus zu automatisieren sowie unterschiedliche Kartie rungsalgorithmen zu explorieren, wie dies in den Weiterbil dungen näher beschrieben wird. The method uses both the real sensor measurements and simulated virtual sensor measurements to quantify the quality of the calculated map. As a numerical measure, the quality value enables the parameterization of the mapping algorithm to be automated and different mapping algorithms to be explored, as is described in more detail in the further training.
Die virtuellen Sensormessungen werden anhand der Karte je weils für die Pose des fahrerlosen Transportfahrzeugs in der Karte simuliert, an der die korrespondierende reale Sen sormessung aufgezeichnet wurde, und erlauben Rückschlüsse auf die Güte der Karte. Denn die Berechnung des Ähnlichkeitswerts beruht auf der Erkenntnis, dass eine gute Karte die realen Sensormessungen besser abbildet als eine schlechte Karte. So mit müssen die virtuellen Sensormessungen, welche anhand ei ner guten Karte simuliert werden, eine höhere Ähnlichkeit mit den korrespondierenden realen Sensormessungen aufweisen als virtuelle Sensormessungen, welche anhand einer schlechten Karte simuliert werden. Wenn die Karte beispielsweise gegen über der Realität gekrümmt, verdreht oder unproportional, o- der in Einzelbereichen oder insgesamt inkonsistent ist, wer den die simulierten virtuellen Sensormessungen nicht immer mit den korrespondierenden realen Sensormessungen überein stimmen . Mit dem Qualitätswert wird ein quantitatives Maß geschaffen, welches es erlaubt, die Qualität der Karte in einem vollauto matisierten maschinellen Verfahren zu berechnen und zu evalu ieren. Das fahrerlose Transportfahrzeug wird dadurch in die Lage versetzt, automatisiert unterschiedliche Karten zu gene rieren und die beste auszuwählen. The virtual sensor measurements are simulated on the basis of the map for the pose of the driverless transport vehicle on the map, on which the corresponding real sensor measurement was recorded, and allow conclusions to be drawn about the quality of the map. The calculation of the similarity value is based on the knowledge that a good map shows the real sensor measurements better than a bad map. Thus, the virtual sensor measurements, which are simulated on the basis of a good map, must be more similar to the corresponding real sensor measurements than virtual sensor measurements, which are simulated on the basis of a bad map. If, for example, the map is curved, twisted or disproportionate to reality, or inconsistent in individual areas or overall, the simulated virtual sensor measurements do not always match the corresponding real sensor measurements. The quality value creates a quantitative measure that allows the quality of the card to be calculated and evaluated in a fully automated mechanical process. This enables the driverless transport vehicle to automatically generate different maps and select the best one.
Gemäß einer Ausführungsform berechnet die Recheneinheit aus den realen Sensormessungen mittels einer Mehrzahl von Kartie rungsalgorithmen jeweils eine Karte der Umgebung, und für je de der Karten einen Qualitätswert. According to one embodiment, the computing unit calculates a map of the environment from the real sensor measurements using a plurality of mapping algorithms, and a quality value for each of the maps.
In einer Weiterbildung führt die Recheneinheit den Kartie rungsalgorithmus mit unterschiedlichen Parametrierungen aus und berechnet dabei aus den realen Sensormessungen jeweils eine Karte der Umgebung. Weiterhin berechnet die Rechenein heit für jede der Karten einen Qualitätswert. In a further development, the computing unit executes the mapping algorithm with different parameterizations and calculates a map of the environment from the real sensor measurements. Furthermore, the computing unit calculates a quality value for each of the cards.
Gemäß einer Ausführungsform führt die Recheneinheit eine Mehrzahl von Kartierungsalgorithmen mit jeweils unterschied lichen Parametrierungen aus und berechnet dabei aus den rea len Sensormessungen jeweils eine Karte der Umgebung. Weiter hin berechnet die Recheneinheit für jede der Karten einen Qualitätswert . According to one embodiment, the computing unit executes a plurality of mapping algorithms, each with different parameterizations, and calculates a map of the environment from the real sensor measurements. The computing unit also calculates a quality value for each of the cards.
Diese Ausführungsformen und Weiterbildungen ermöglichen eine vollautomatisierte Exploration unterschiedlicher Kartierungs algorithmen und Parametrierungen sowie die automatisierte Be stimmung der besten Karte. Weiterhin wird kein Expertenwissen benötigt, da das Verfahren unbeaufsichtigt abläuft. Unter schiedliche Kartierungsalgorithmen werden erprobt, wobei die se unterschiedliche Parameter in sehr großer Zahl haben kön nen, zwischen denen komplexe Abhängigkeiten bestehen. Die op timale Parametrierung hängt häufig von den realen Sensormes sungen ab. These embodiments and further developments enable fully automated exploration of different mapping algorithms and parameterizations as well as the automated determination of the best map. Furthermore, no expert knowledge is required, since the process runs unattended. Different mapping algorithms are being tested, whereby these different parameters can have a very large number, between which there are complex dependencies. The optimal parameterization often depends on the real sensor measurements.
Die Arbeitszeit für die manuelle Suche nach dem besten Kar tierungsalgorithmus wird eingespart; unter anderem ist es für den Menschen nicht mehr erforderlich, das Ergebnis der Aus führung jedes einzelnen Kartierungsalgorithmus abzuwarten und manuell auszuwerten. Der Vorgang wird zusätzlich beschleu nigt, wenn die Berechnungen von einer leistungsstarken Hard ware, etwa einer Cloud-Infrastruktur, durchgeführt werden. The working time for the manual search for the best mapping algorithm is saved; among other things, it is for people no longer need to wait for the result of executing each mapping algorithm and evaluate it manually. The process is also accelerated if the calculations are carried out by high-performance hardware, such as a cloud infrastructure.
In einer Weiterbildung exploriert und/oder optimiert die Re cheneinheit die Parametrierung des Kartierungsalgorithmus un ter Beobachtung des Qualitätswertes für die gleichen realen Sensormessungen mittels eines Optimierungsverfahrens. In a further development, the computing unit explores and / or optimizes the parameterization of the mapping algorithm while observing the quality value for the same real sensor measurements by means of an optimization method.
Gemäß einer Ausführungsform wählt die Recheneinheit die Karte mit dem höchsten Qualitätswert für einen Betrieb des fahrer losen Transportfahrzeugs aus. According to one embodiment, the computing unit selects the card with the highest quality value for an operation of the driverless transport vehicle.
Auf dem computerlesbaren Datenträger ist ein Computerprogramm gespeichert, welches das Verfahren ausführt, wenn es in einem Prozessor abgearbeitet wird. A computer program is stored on the computer-readable data carrier and executes the method when it is processed in a processor.
Das Computerprogramm wird in einem Prozessor abgearbeitet und führt dabei das Verfahren aus. The computer program is processed in a processor and executes the method.
Im Folgenden werden Ausführungsbeispiele der Erfindung anhand von Figuren näher erläutert. In den Figuren sind gleiche oder funktionsgleiche Elemente mit denselben Bezugszeichen verse hen, sofern nichts anderes angegeben ist. Es zeigen: Exemplary embodiments of the invention are explained in more detail below with reference to figures. In the figures, elements that are the same or have the same function are provided with the same reference numerals, unless stated otherwise. Show it:
Fig. 1 ein Ablaufdiagramm zur rechnergestützten Bestimmung und Optimierung einer Qualität einer Karte K eines fahrerlosen Transportfahrzeugs , 1 shows a flowchart for the computer-aided determination and optimization of a quality of a map K of a driverless transport vehicle,
Fig. 2 ein fahrerloses Transportfahrzeug FTF bei der Fahrt durch eine Umgebung U, bei der reale Sensormessun gen RSM aufgezeichnet werden, 2 shows a driverless transport vehicle AGV when traveling through an environment U in which real sensor measurements are recorded.
Fig. 3 eine virtuelle Sensormessung VSM, welche anhand ei ner Karte K berechnet wird, und Fig. 4 eine überlappende Darstellung der virtuellen Sen sormessung VSM mit der Umgebung U. 3 shows a virtual sensor measurement VSM, which is calculated on the basis of a card K, and Fig. 4 is an overlapping representation of the virtual sensor measurement VSM with the environment U.
Figur 1 zeigt ein Ablaufdiagramm zur rechnergestützten Be stimmung und Optimierung einer Qualität einer Karte. Ein fah rerloses Transportfahrzeug durchfährt zunächst eine Umgebung, wie dies zu Figur 2 weiter unten erläutert wird, und zeichnet dabei mehrere reale Sensormessungen RSM_1 ... RSM_N auf. Aus diesen berechnet eine Recheneinheit mittels eines Kartie rungsalgorithmus KA eine Karte K der Umgebung. Die Rechenein heit simuliert anhand der Karte K zu den realen Sensormessun gen RSM_1 ... RSM_N korrespondierende virtuelle Sensormessun gen VSM_1 ... VSM_N. Für jede virtuelle Sensormessung VSM_1 ... VSM_N berechnet die Recheneinheit einen Ähnlichkeitswert AW_1 ... AW_N, welcher eine Ähnlichkeit zwischen der virtuel len Sensormessung VSM_1 ... VSM_N und der korrespondierenden realen Sensormessung RSM_1 ... RSM_N quantifiziert. Abschlie ßend berechnet die Recheneinheit aus sämtlichen Ähnlichkeits werten AW_1 ... AW_N einen Qualitätswert QW, welcher eine Qualität der Karte K quantifiziert. Figure 1 shows a flowchart for computer-aided determination and optimization of a quality of a card. A driverless transport vehicle first traverses an environment, as will be explained below in relation to FIG. 2, and records several real sensor measurements RSM_1 ... RSM_N. From these, a computing unit uses a mapping algorithm KA to calculate a map K of the environment. Using the map K, the computing unit simulates corresponding virtual sensor measurements VSM_1 ... VSM_N for the real sensor measurements RSM_1 ... RSM_N. For each virtual sensor measurement VSM_1 ... VSM_N, the computing unit calculates a similarity value AW_1 ... AW_N, which quantifies a similarity between the virtual sensor measurement VSM_1 ... VSM_N and the corresponding real sensor measurement RSM_1 ... RSM_N. Finally, the computing unit calculates a quality value QW from all the similarity values AW_1 ... AW_N, which quantifies a quality of the map K.
Der Kartierungsalgorithmus KA kann hierbei rechnergestützt und automatisiert aus einer Liste von Kartierungsalgorithmen gewählt werden. So kann der Qualitätswert QW auch für unter schiedliche Kartierungsalgorithmen berechnet werden, wodurch sich der am besten geeignete Kartierungsalgorithmus bestimmen lässt . The mapping algorithm KA can be computer-aided and automatically selected from a list of mapping algorithms. In this way, the quality value QW can also be calculated for different mapping algorithms, which enables the most suitable mapping algorithm to be determined.
Nach der Auswahl des Kartierungsalgorithmus KA wird eine Pa rametrierung generiert, also eine Menge von Werten für die Parameter des Kartierungsalgorithmus KA. Hierbei kann auch für unterschiedliche Parametrierungen jeweils ein Qualitäts wert berechnet werden, wodurch die am besten geeignete Para metrierung bestimmt werden kann. After the selection of the mapping algorithm KA, a parameterization is generated, that is, a set of values for the parameters of the mapping algorithm KA. In this case, a quality value can also be calculated for different parameterizations, whereby the most suitable parameterization can be determined.
Auf diese Weise kann im Rahmen eines Optimierungsverfahren OV der beste Kartierungsalgorithmus KA und die beste Parametrie rung bestimmt werden, da diese den höchsten Qualitätswert QW erzielen. Das Optimierungsverfahren kann so lange iteriert werden, bis ein vorgegebenes Abbruchkriterium erreicht wird. Danach wird die Karte gewählt, welche den höchsten Qualitäts wert erzielt hat. Sämtliche dieser Schritte können rechnerge stützt und vollautomatisch ablaufen. In this way, the best mapping algorithm KA and the best parameterization can be determined as part of an optimization process OV, since these have the highest quality value QW achieve. The optimization process can be iterated until a predetermined termination criterion is reached. Then the card that has the highest quality value is chosen. All of these steps can be computer-based and run fully automatically.
Beispielsweise werden alle Kartierungsalgorithmen durchpro biert, die für die vorliegenden realen Sensormessungen RSM_1 ... RSM_N, beispielsweise Laserscans oder Kamerabilder, ge eignet sind. For example, all mapping algorithms are tried out that are suitable for the present real sensor measurements RSM_1 ... RSM_N, for example laser scans or camera images.
Das Abbruchkriterium kann beispielsweise darin bestehen, dass keine weiteren Parametrierungen für den gewählten Kartie rungsalgorithmus generiert werden können, dass ein vorgegebe ner Zeitraum ausgeschöpft wurde, dass eine vorgegebene Anzahl von Berechnungen durchgeführt wurde, oder dass ein vorgegebe ner Schwellwert für den Qualitätswert QW erreicht wurde. The termination criterion can consist, for example, in that no further parameterizations can be generated for the selected mapping algorithm, that a predetermined period of time has been exhausted, that a predetermined number of calculations have been carried out, or that a predetermined threshold value for the quality value QW has been reached.
Zur Generierung neuer Parametrierungen kann der Parameterraum beispielsweise diskretisiert und systematisch exploriert wer den. Alternativ kann ein probabilistischer Stichproben basierter Ansatz verfolgt werden. To generate new parameterizations, the parameter space can, for example, be discretized and systematically explored. Alternatively, a probabilistic sample-based approach can be followed.
Zur Berechnung des Qualitätswerts QW wird mit den Ähnlich keitswerten AW_1 ... AW_N jeweils ein numerischer Wert be rechnet, welcher eine Ähnlichkeit zwischen einer virtuellen Sensormessung VSM_1 ... VSM_N und einer korrespondierenden realen Sensormessung RSM_1 ... RSM_N quantifiziert. Wenn das Paar aus virtueller und realer Sensormessung eine hohe Ähn lichkeit aufweist, fällt der Ähnlichkeitswert AW_1 ... AW_N größer aus. Der Qualitätswert QW kann beispielsweise aus der Summe der Ähnlichkeitswerte AW_1 ... AW_N berechnet werden. To calculate the quality value QW, the similarity values AW_1 ... AW_N are used to calculate a numerical value, which quantifies a similarity between a virtual sensor measurement VSM_1 ... VSM_N and a corresponding real sensor measurement RSM_1 ... RSM_N. If the pair of virtual and real sensor measurements is very similar, the similarity value AW_1 ... AW_N is greater. The quality value QW can be calculated, for example, from the sum of the similarity values AW_1 ... AW_N.
Die Recheneinheit simuliert anhand der Karte K für jede reale Sensormessung RSM_1 ... RSM_N eine korrespondierende virtuel le Sensormessung VSM_1 ... VSM_N. Diese beschreibt anhand der Karte K und der Position des fahrerlosen Transportfahrzeugs in der Karte K, welche Sensormessung anhand der Informationen in der Karte K zu erwarten wäre. Hierbei kann auch ein Sen sormodell genutzt werden, welches die Simulation von Sen sormessungen für diesen Sensortyp unterstützt. Using the map K, the computing unit simulates a corresponding virtual sensor measurement VSM_1 ... VSM_N for each real sensor measurement RSM_1 ... RSM_N. Using map K and the position of the driverless transport vehicle in map K, this describes which sensor measurement is based on the information in the map K would be expected. A sensor model that supports the simulation of sensor measurements for this type of sensor can also be used.
Im Rahmen des Kartierungsalgorithmus KA wird für jede reale Sensormessung RSM_1 ... RSM_N die Pose des fahrerlosen Trans portfahrzeugs in der Karte K automatisch mitbestimmt, von der aus die reale Sensormessung RSM_1 ... RSM_N durchgeführt wur de. Die Pose kann also unmittelbar genutzt werden, um die korrespondierende virtuelle Sensormessung VSM_1 ... VSM_N al lein anhand der in der Karte K enthaltenen Informationen zu simulieren . As part of the mapping algorithm KA, the pose of the driverless transport vehicle in map K, from which the real sensor measurement RSM_1 ... RSM_N was carried out, is automatically determined for each real sensor measurement RSM_1 ... RSM_N. The pose can thus be used directly to simulate the corresponding virtual sensor measurement VSM_1 ... VSM_N alone using the information contained in the card K.
Das Optimierungsverfahren OV läuft hierbei auf einer Ebene ab, welche den einzelnen Kartierungsalgorithmen bzw. deren Parametrierungen übergeordnet ist, da mit dem Qualitätswert QW jeweils die Karte K, also das Endergebnis des Kartierungs algorithmus KA evaluiert wird. Das Optimierungsverfahren OV wählt für ein und dieselben realen Sensormessungen RSM_1 ... RSM_N unterschiedliche Kartierungsalgorithmen bzw. unter schiedliche Parametrierungen zur Erstellung der Karte K und exploriert, welche Qualitätswerte jeweils erzielt werden. So kann das Optimierungsverfahren OV beispielsweise beobachten, ob inkrementeile Änderungen der Parametrierung den Qualitäts wert QW der erzeugten Karte K verbessern oder verschlechtern, bis ein lokales Optimum erreicht wird. Weiterhin kann das Op timierungsverfahren OV auch größere zufällige Anpassungen an der Parametrierung vornehmen, um zu testen, ob noch ein bes seres lokales Optimum gefunden werden kann. The optimization process OV runs here on a level that is superior to the individual mapping algorithms or their parameterizations, since the quality value QW is used to evaluate the map K, that is, the end result of the mapping algorithm KA. The optimization method OV selects different mapping algorithms or different parameterizations for creating the map K for one and the same real sensor measurements RSM_1 ... RSM_N and explores which quality values are achieved in each case. For example, the optimization method OV can observe whether incremental changes in the parameterization improve or worsen the quality value QW of the map K generated until a local optimum is reached. Furthermore, the optimization method OV can also make major random adjustments to the parameterization in order to test whether a better local optimum can still be found.
Figur 2 zeigt ein fahrerloses Transportfahrzeug FTF bei einer Datenaufnahmefahrt durch eine Umgebung U, bei der reale Sen sormessungen RSM aufgezeichnet werden. Hierzu wird beispiels weise ein 2D- oder 3D-Laserscanner eingesetzt. FIG. 2 shows a driverless transport vehicle FTF during a data acquisition trip through an environment U, in which real sensor measurements RSM are recorded. For this purpose, a 2D or 3D laser scanner is used, for example.
Figur 3 zeigt eine virtuelle Sensormessung VSM, welche aus einer Karte K berechnet wird. Die Karte K bildet die Umgebung U aus Figur 2 jedoch nicht richtig ab. Die virtuelle Sen- sormessung VSM, welche anhand der Karte K simuliert wird, weicht daher von der realen Sensormessung RSM aus Figur 2 ab. FIG. 3 shows a virtual sensor measurement VSM, which is calculated from a map K. However, the map K does not correctly depict the environment U from FIG. 2. The virtual broadcast The VSM measurement, which is simulated using the map K, therefore deviates from the real sensor measurement RSM from FIG.
Figur 4 zeigt eine überlappende Darstellung der virtuellen Sensormessung VSM aus Figur 3 mit der Umgebung U aus Figur 2. Teile der virtuellen Sensormessung VSM korrespondieren nur unzureichend mit der Umgebung U. Der Ähnlichkeitswert, wel cher für die virtuelle Sensormessung VSM aus Figur 3 und die korrespondierende reale Sensormessung RSM aus Figur 2 berech net wird, fällt entsprechend gering aus. FIG. 4 shows an overlapping representation of the virtual sensor measurement VSM from FIG. 3 with the environment U from FIG. 2. Parts of the virtual sensor measurement VSM correspond only inadequately with the environment U. The similarity value which applies to the virtual sensor measurement VSM from FIG. 3 and the corresponding one real sensor measurement RSM calculated from Figure 2, is correspondingly small.
Die beschriebenen Algorithmen und Rechenschritte können bei spielsweise in Recheneinheiten des fahrerlosen Transportfahr- zeugs, auf Servern, in speicherprogrammierbaren lokalen Steu erungen oder in einer Cloud ausgeführt werden. The algorithms and computing steps described can be carried out, for example, in computing units of the driverless transport vehicle, on servers, in programmable local controls or in a cloud.
Die konkrete Ausgestaltung der Algorithmen und Berechnungen hängt von der Sensortechnologie des fahrerlosen Transport fahrzeugs ab. Die Sensoren können die Umgebung beispielsweise zweidimensional oder dreidimensional, mit Kamerabildern, Ult raschall und/oder einer Laserentfernungsmessung abtasten. Für die unterschiedlichen Sensortechnologien sind aus dem Stand der Technik zahlreiche Algorithmen bekannt, mit denen die einzelnen Berechnungsschritte durchgeführt werden können. The specific design of the algorithms and calculations depends on the sensor technology of the driverless transport vehicle. The sensors can scan the surroundings, for example two-dimensionally or three-dimensionally, with camera images, ultrashall and / or a laser distance measurement. Numerous algorithms for the different sensor technologies are known from the prior art, with which the individual calculation steps can be carried out.
Obwohl die Erfindung durch die Ausführungsbeispiele im Detail illustriert und beschrieben wurde, ist sie nicht durch die offenbarten Beispiele eingeschränkt. Andere Variationen kön nen vom Fachmann hieraus abgeleitet werden, ohne den Schutz umfang der Erfindung zu verlassen. Die beschriebenen Ausfüh rungsbeispiele, Varianten, Ausführungsformen und Weiterbil dungen können auch frei miteinander kombiniert werden. Although the invention has been illustrated and described in detail by the exemplary embodiments, it is not restricted by the disclosed examples. Other variations can be derived by those skilled in the art without departing from the scope of the invention. The described exemplary embodiments, variants, embodiments and further developments can also be freely combined with one another.

Claims

Patentansprüche claims
1. Verfahren zur rechnergestützten Bestimmung einer Qualität einer Karte, 1. method for computer-aided determination of a quality of a card,
bei dem ein fahrerloses Transportfahrzeug (FTF) eine Umge bung (U) durchfährt und dabei mehrere reale Sensormessun gen (RSM_1 ... RSM_N) aufzeichnet,  in which a driverless transport vehicle (AGV) passes through an area (U) and records several real sensor measurements (RSM_1 ... RSM_N),
bei dem eine Recheneinheit aus den realen Sensormessungen mittels eines Kartierungsalgorithmus (KA) eine Karte (K) der Umgebung berechnet,  in which a computing unit calculates a map (K) of the surroundings from the real sensor measurements using a mapping algorithm (KA),
bei dem die Recheneinheit anhand der Karte zu den realen Sensormessungen korrespondierende virtuelle Sensormessun gen (VSM_1 ... VSM_N) simuliert,  where the computing unit simulates virtual sensor measurements (VSM_1 ... VSM_N) corresponding to the real sensor measurements using the card,
bei dem die Recheneinheit für jede virtuelle Sensormessung einen Ähnlichkeitswert (AW_1 ... AW_N) berechnet, welcher eine Ähnlichkeit zwischen der virtuellen Sensormessung und der korrespondierenden realen Sensormessung quantifiziert, und  in which the computing unit calculates a similarity value (AW_1 ... AW_N) for each virtual sensor measurement, which quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement, and
bei dem die Recheneinheit aus sämtlichen Ähnlichkeitswer ten einen Qualitätswert (QW) berechnet, welcher eine Qua lität der Karte quantifiziert.  in which the computing unit calculates a quality value (QW) from all similarity values, which quantifies a quality of the map.
2. Verfahren nach Anspruch 1, 2. The method according to claim 1,
bei dem die Recheneinheit aus den realen Sensormessungen mittels einer Mehrzahl von Kartierungsalgorithmen jeweils eine Karte der Umgebung berechnet, und  in which the computing unit calculates a map of the surroundings from the real sensor measurements using a plurality of mapping algorithms, and
bei dem die Recheneinheit für jede der Karten einen Quali tätswert berechnet.  in which the computing unit calculates a quality value for each of the cards.
3. Verfahren nach Anspruch 1, 3. The method according to claim 1,
bei dem die Recheneinheit den Kartierungsalgorithmus mit unterschiedlichen Parametrierungen ausführt und dabei aus den realen Sensormessungen jeweils eine Karte der Umgebung berechnet, und  in which the computing unit executes the mapping algorithm with different parameterizations and calculates a map of the surroundings from the real sensor measurements, and
bei dem die Recheneinheit für jede der Karten einen Quali tätswert berechnet. in which the computing unit calculates a quality value for each of the cards.
4. Verfahren nach Anspruch 1, 4. The method according to claim 1,
bei dem die Recheneinheit eine Mehrzahl von Kartierungsal gorithmen mit jeweils unterschiedlichen Parametrierungen ausführt und dabei aus den realen Sensormessungen jeweils eine Karte der Umgebung berechnet, und  in which the computing unit executes a plurality of mapping algorithms each with different parameterizations and thereby calculates a map of the environment from the real sensor measurements, and
bei dem die Recheneinheit für jede der Karten einen Quali tätswert berechnet.  in which the computing unit calculates a quality value for each of the cards.
5. Verfahren nach Anspruch 3 oder 4, 5. The method according to claim 3 or 4,
bei dem die Recheneinheit die Parametrierung des Kartie rungsalgorithmus unter Beobachtung des Qualitätswertes für die gleichen realen Sensormessungen mittels eines Optimie rungsverfahrens (OV) exploriert und/oder optimiert.  in which the computing unit explores and / or optimizes the parameterization of the mapping algorithm while observing the quality value for the same real sensor measurements by means of an optimization method (OV).
6. Verfahren nach einem der Ansprüche 2 bis 5, 6. The method according to any one of claims 2 to 5,
bei dem die Recheneinheit die Karte mit dem höchsten Qua litätswert für einen Betrieb des fahrerlosen Transport fahrzeugs auswählt.  in which the computing unit selects the card with the highest quality value for operation of the driverless transport vehicle.
7. Fahrerloses Transportfahrzeug (FTF) , 7. Driverless transport vehicle (AGV),
ausgerüstet mit mindestens einem Sensor,  equipped with at least one sensor,
eingerichtet zur Durchquerung einer Umgebung (U) und Auf zeichnung mehrerer realer Sensormessungen (RSM_1 ...  set up to cross an environment (U) and record several real sensor measurements (RSM_1 ...
RSM_N) , und  RSM_N), and
mit einer Recheneinheit (RE) , programmiert zur  with a computing unit (RE), programmed for
Berechnung einer Karte (K) der Umgebung aus den realen Sensormessungen mittels eines Kartierungsalgorithmus (KA) ,  Calculation of a map (K) of the surroundings from the real sensor measurements using a mapping algorithm (KA),
Simulation zu den realen Sensormessungen korrespondie render virtueller Sensormessungen (VSM_1 ... VSM_N) an hand der Karte,  Simulation of the real sensor measurements corresponding to render virtual sensor measurements (VSM_1 ... VSM_N) on the map,
Berechnung eines Ähnlichkeitswerts (AW_1 ... AW_N) für jede virtuelle Sensormessung, welcher eine Ähnlichkeit zwischen der virtuellen Sensormessung und der korres pondierenden realen Sensormessung quantifiziert, und Berechnung eines Qualitätswerts (QW) aus sämtlichen Ähnlichkeitswerten, welcher eine Qualität der Karte quantifiziert . Calculation of a similarity value (AW_1 ... AW_N) for each virtual sensor measurement, which quantifies a similarity between the virtual sensor measurement and the corresponding real sensor measurement, and calculation of a quality value (QW) from all similarity values, which quantifies a quality of the map.
8. Computerlesbarer Datenträger, 8. Computer-readable data carrier,
auf dem ein Computerprogramm gespeichert ist, welches das Verfahren nach einem der Ansprüche 1 bis 6 ausführt, wenn es in einem Prozessor abgearbeitet wird.  on which a computer program is stored which executes the method according to one of claims 1 to 6 when it is processed in a processor.
9. Computerprogramm, 9. computer program,
welches in einem Prozessor abgearbeitet wird und dabei das Verfahren nach einem der Ansprüche 1 bis 6 ausführt.  which is processed in a processor and thereby executes the method according to one of claims 1 to 6.
PCT/EP2019/068604 2018-07-30 2019-07-10 Method and automated guided vehicle for the computer-assisted determination of the quality of a map WO2020025281A1 (en)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP18186341.6 2018-07-30
EP18186341.6A EP3605260A1 (en) 2018-07-30 2018-07-30 Method and driverless transport vehicle for the computer-aided determination of the quality of a map

Publications (1)

Publication Number Publication Date
WO2020025281A1 true WO2020025281A1 (en) 2020-02-06

Family

ID=63244388

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2019/068604 WO2020025281A1 (en) 2018-07-30 2019-07-10 Method and automated guided vehicle for the computer-assisted determination of the quality of a map

Country Status (2)

Country Link
EP (1) EP3605260A1 (en)
WO (1) WO2020025281A1 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170314934A1 (en) * 2016-04-28 2017-11-02 Here Global B.V. Map matching quality evaluation
US9946939B2 (en) * 2015-03-16 2018-04-17 Here Global B.V. Guided geometry extraction for localization of a device
US20180188036A1 (en) * 2017-01-04 2018-07-05 Robert Bosch Gmbh Method for validating a digital map for a vehicle

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9946939B2 (en) * 2015-03-16 2018-04-17 Here Global B.V. Guided geometry extraction for localization of a device
US20170314934A1 (en) * 2016-04-28 2017-11-02 Here Global B.V. Map matching quality evaluation
US20180188036A1 (en) * 2017-01-04 2018-07-05 Robert Bosch Gmbh Method for validating a digital map for a vehicle

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
MERZIC HAMZA ET AL: "Map quality evaluation for visual localization", 2017 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND AUTOMATION (ICRA), IEEE, 29 May 2017 (2017-05-29), pages 3200 - 3206, XP033127152, DOI: 10.1109/ICRA.2017.7989363 *

Also Published As

Publication number Publication date
EP3605260A1 (en) 2020-02-05

Similar Documents

Publication Publication Date Title
DE102018215826B4 (en) Robot system and workpiece gripping method
DE102017010799B4 (en) Machine learning device for learning a processing sequence of a robot system with a plurality of laser processing robots, associated robot system and machine learning method for learning a processing sequence of the robot system with a plurality of laser processing robots
DE102016014658B4 (en) 1, 2 model generating device, position and orientation calculation device and handling robot device
EP3320483B1 (en) Method for controlling a robot and/or an autonomous driverless transport system
EP3475936B1 (en) Method for verifying a collision between two driverless transporting vehicles, a driverless transport vehicle and a system with several driverless transport vehicles
EP3407299B1 (en) Method and device for positioning and for data fusion
DE112016006262T5 (en) Three-dimensional scanner and processing method for measuring support for this
DE10144932A1 (en) Visualization of a workpiece by computer simulation of a machining process with workpiece contours defined by the intersection of a cutting edge along a preset machining path
DE112010002840T5 (en) Automatic programming device and automatic programming
DE112014004641T5 (en) Method and system for intelligent crane lifting movement
DE102014108858A1 (en) Method and apparatus for estimating and tracking the shape and pose of a three-dimensional object
DE112020005584T5 (en) Occlusion-aware interior scene analysis
DE102015011109A1 (en) METHOD FOR PRODUCING A THREE-DIMENSIONAL MODEL, SYSTEM 5 FOR GENERATING A THREE-DIMENSIONAL MODEL AND A PROGRAM FOR GENERATING A THREE-DIMENSIONAL MODEL
EP3692362A1 (en) Method for determining the geometry of a defect and for determining a load limit
DE3709919C2 (en)
DE102020214596A1 (en) Method for generating training data for a recognition model for recognizing objects in sensor data of an environment sensor system of a vehicle, method for generating such a recognition model and method for controlling an actuator system of a vehicle
DE102020006496A1 (en) DISPLAY UNIT
DE102012005880A1 (en) Method for designing production environment e.g. workstation, involves recording sequence of movements of worker during production of performing action and evaluating sequence of movements of predetermined criterion
WO2020025281A1 (en) Method and automated guided vehicle for the computer-assisted determination of the quality of a map
EP3741518A1 (en) Method and device for automatically influencing an actuator
DE102017127901A1 (en) Method for creating an environment map of and / or for a self-propelled robot, self-propelled robot and electrical device
DE112020001157T5 (en) Apparatus for evaluating the texture of a machined surface, method for evaluating the texture of a machined surface and apparatus for machine learning
DE102021210533A1 (en) Setup and method for controlling an agent
DE102019208498A1 (en) Method for optimizing an environment model
EP3722740A1 (en) Method and computer device for selecting a sequence of measurements for a coordinate measuring device

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19746012

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19746012

Country of ref document: EP

Kind code of ref document: A1